1樓：guandan chen
1. 卡爾曼濾波是一種最優線性估計，它是根據前段時間的量測值估計狀態量Xk+1嗎？
是的，跟其他人一樣，我也推薦用互補濾波。
2. 如果用在姿態解算中，感覺系統矩陣矩陣A是與陀螺儀輸出w有關的，那麼這裡的輸入是啥，量測值又是啥？
這裡，狀態就是飛行器的角度，角速度。而量測值就是陀螺儀、加速度計的值。其中陀螺儀的輸出值跟角速度有關係，而加速度計的輸出值跟角度有關，a=g*sin(theta)，這個畫個力學分解圖就可以看出來了。
3. 卡爾曼濾波的最大作用是將三個感測器的資料融合，是怎樣融合的呢
三個感測器的輸出是有雜訊的，有些是系統誤差，例如把sin(theta)簡化成theta，有些是隨機誤差，而卡爾曼濾波的重要作用就在於濾掉隨機誤差，根據隨機誤差的方差來做乙個「最正確」的估計。
2樓：吳空格凡
1. 卡爾曼濾波是一種最優線性估計，它是根據前段時間的量測值估計狀態量Xk+1嗎？
可以理解為先用狀態轉移矩陣進行一步估計，再利用量測值量測值去修正一步估計，從而獲得最優估計
2. 如果用在姿態解算中，感覺系統矩陣矩陣A是與陀螺儀輸出w有關的，那麼這裡的輸入是啥，量測值又是啥？
如果你選取的狀態量是四元數，狀態方程：你的A就是：
3. 卡爾曼濾波的最大作用是將三個感測器的資料融合，是怎樣融合的呢
這個問題太難回答了。。。簡單來說就是通過測量去修正你的估計，測量量越多，修正的就越準，前提是系統雜訊方差陣和測量雜訊方差陣選取的準確。不知道這樣說是不是很明白。。。
3樓：
現在網上大部分開源飛控演算法都是採用的Mahony的互補濾波演算法，輸入三軸加速度計、三軸陀螺儀資料，通過四元數更新演算法，再得到尤拉角。
在這個演算法的輸入端，也就是三軸加速度計的值，可以使用卡爾曼非矩陣濾波演算法，xyz每乙個軸都單獨用乙個卡爾曼濾波器，先把加速度計的雜訊濾掉，再進行互補濾波。當然在這裡用卡爾曼濾波有點大材小用了，還可以使用二階低通濾波，甚至可以使用均值濾波。更多關於加速度濾波的演算法，具體你可以看這篇文章：
四軸加速度計濾波。
當然還有一種更先進的，就是直接採用卡爾曼的濾波演算法，矩陣輸入，矩陣輸出，演算法比較複雜，我也不太清楚，學會了我再來補充吧。。。
4樓：豪豬
算是補充樓上的回答吧
第一是：陀螺儀和加速度計各自算姿態，再做融合，一般用互補濾波就行了第二種是：四元數階段就將加計的資料帶入，做四元數計算，網上有一種mahony演算法。
其實卡曼濾波不能直接用在四旋翼姿態估計上，最起碼也得改進一下。
補充：主要是四旋翼用的器件成本太低，並不合適用卡爾曼濾波做姿態估計，位置估計可以做，apm就是這樣的。
5樓：
方案有兩種有一種是姿態的融合，一種是四元素的融合。。。。。。
基於卡爾曼濾波的偽距雙差相對定位演算法？
空然 止於念 首先明確乙個概念，觀測值怎麼來的？外界感測器給定的，並且有乙個雜訊Q，之所以卡爾曼和最小均方根誤差不一致的原因在於 卡爾曼不僅利用了觀測資訊還用了系統的運動學模型 因此，為了使系統具有更高的穩健性和準確性，通常採用資料融合的方式處理，從60年代提出來的Kalman一直是人們在目標跟蹤 ...
時間序列分析 結合ARMA的卡爾曼濾波演算法
陳佳偉 剛接觸行政工作，自己跑來說幾句，不對輕噴。從職能來說，行政工作主要包括內部檔案 會議紀要 各類通知決定 外部檔案 合同 協議 印章管理 其他後勤服務 辦公用品 物資採購 接待 等等。簡單的文字工作就不說了，你覺得把印章放在別人手裡你放心麼。從外包這個行為來說，我理解為把繁雜 低附加值的工作，...
常用控制演算法（包括PID和卡爾曼濾波等）各有什麼天然的侷限乃至缺陷？
昨夜星空燦爛 都是基於模型的控制。模型的準確與否決定了控制器的設計和實際的使用效果。我認為未來基於機器學習等領域的演算法可能會在實際中廣泛採用。卡爾曼濾波不是控制，是一種觀測手段，實現最佳的估計。也得依靠模型和對雜訊的統計屬性的假設。另外去覺得控制器的工程實現，現在大多數的控制器全部是數字實現。雖然...